信号灯故障检测方法及系统.pdf

《信号灯故障检测方法及系统.pdf》由会员分享，可在线阅读，更多相关《信号灯故障检测方法及系统.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911049565.8 (22)申请日 2019.10.31 (71)申请人 青岛海信网络科技股份有限公司 地址 266071 山东省青岛市崂山区株洲路 151号 (72)发明人 崔淑铭姚洋王江涛杜昭 杜少杰王辉吴什张国平 (74)专利代理机构 北京弘权知识产权代理事务 所(普通合伙) 11363 代理人 逯长明许伟群 (51)Int.Cl. G08G 1/097(2006.01) G06K 9/62(2006.01) G06K 9/46(2006.01) G06K 9/3。

2、2(2006.01) G06K 9/00(2006.01) (54)发明名称 一种信号灯故障检测方法及系统 (57)摘要 本申请实施例提供一种信号灯故障检测方 法及系统， 包括： 接收用户设备发送的故障检测 指令， 该故障检测指令携带信号灯的标识信息； 根据故障检测指令， 实时从电子监控平台获取信 号灯的监控视频； 每间隔第一预设时间从监控视 频中提取一帧监控图像， 并通过预设的图像识别 模型识别监控图像中信号灯的特征信息； 根据特 征信息， 确定信号灯的故障类型； 将信号灯的故 障信息发送给用户设备， 该故障信息包括故障类 型。 该方法和系统的故障检测覆盖范围大， 准确 率高， 并且能够发现。

3、并上报信号灯故障， 以便维 修， 避免因维修不及时而引起的交通混乱， 甚至 交通事故。 权利要求书2页 说明书8页 附图3页 CN 110782692 A 2020.02.11 CN 110782692 A 1.一种信号灯故障检测方法， 其特征在于， 应用于信号灯故障检测系统， 所述方法包 括： 根据信号灯的标识信息， 实时从电子监控平台获取所述信号灯的监控视频； 每间隔第一预设时间从所述监控视频中提取一帧监控图像， 并通过预设的图像识别模 型识别所述监控图像中信号灯的特征信息； 根据所述特征信息， 确定所述信号灯的故障类型。 2.根据权利要求1所述的方法， 其特征在于， 所述通过预设的图像识。

4、别模型识别所述监 控图像中信号灯的特征信息， 包括： 根据所述信号灯的基准图像中预先标定的信号灯区域， 确定所述监控图像的识别区 域； 以及， 根据所述识别区域内的图像， 确定所述信号灯的特征信息。 3.根据权利要求1或2所述的方法， 其特征在于， 所述特征信息包括灯头颜色和灯盘的 位置信息， 所述根据所述特征信息， 确定所述信号灯的故障类型， 包括： 根据所述灯头颜色， 确定亮灯故障； 或者， 根据所述灯盘的位置信息， 确定灯体偏移故障； 或者， 根据所述灯头颜色， 确定灯时异常故障； 或者， 根据所述灯头颜色， 确定放行冲突故障。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述。

5、灯头颜色， 确定亮灯故障， 具 体包括： 在第二预设时间内， 若所述信号灯中各个子信号灯的灯头颜色同时出现红色和绿色， 或者红色和黄色， 或者黄色和绿色， 或者红色、 绿色和黄色， 或者持续为黄色， 或者无法识别 灯头颜色， 则确定所述信号灯存在亮灯故障。 5.根据权利要求3所述的方法， 其特征在于， 所述根据所述灯盘的位置信息， 确定灯体 偏移故障， 具体包括： 将所述位置信息与所述信号灯在的基准图像中的基准位置进行比较， 若所述位置信息 与所述基准位置的差值超过预设的范围， 则确定所述信号灯存在灯体偏移故障。 6.根据权利要求3所述的方法， 其特征在于， 所述根据所述灯头颜色， 确定灯时异。

6、常故 障， 具体包括： 对于信号灯中的每一个子信号灯， 根据第三预设时间范围内的所述特征信息， 判断所 述第三预设时间范围内所述子信号灯是否存在绿灯时间段， 所述绿灯时间段包括： 左开右 开时间段、 左开右闭时间段、 左闭右开时间段和左闭右闭时间段； 若第三预设时间范围内不存在所述绿灯时间段， 则确定所述子信号灯存在灯时异常故 障； 若存在左闭右闭时间段， 且绿灯时长不在预设的时长下限和时长上限之间， 则确定所 述子信号灯存在灯时异常故障； 若存在所述绿灯时间段中的非左闭右闭时间段， 则确定所述非左闭右闭时间段中的绿 灯时长， 若所述绿灯时长大于所述时长上限， 则确定所述子信号灯存在灯时异常故。

7、障； 其中， 左开是指所述绿灯时间段的最小时刻是本次故障判断周期的初始时间点； 左闭 是指所述最小时刻的前一帧监控图像的灯头颜色为非绿色； 右开是指所述绿灯时间段的最 大时刻是本次故障判断周期的结束时间点； 右闭是指所述最大时刻的下一帧监控图像的灯 权利要求书 1/2 页 2 CN 110782692 A 2 头颜色为非绿色。 7.根据权利要求3所述的方法， 其特征在于， 所述根据所述灯头颜色， 确定放行冲突故 障， 具体包括： 确定第四预设时间范围内， 道路口各个岔路上的所述信号灯各个子信号灯的灯头颜 色； 若在所述第四预设时间范围内， 相邻的岔路上， 相同的子信号灯的灯头颜色相同， 则确 。

8、定所述信号灯存在放行冲突故障。 8.根据权利要求1所述的方法， 其特征在于， 根据信号灯的标识信息， 实时从电子监控 平台获取所述信号灯的监控视频， 包括： 若所述信号灯存在预设的工作时间， 且当前时刻在所述工作时间范围内， 则根据信号 灯的标识信息， 实时从电子监控平台获取所述信号灯的监控视频。 9.根据权利要求1所述的方法， 其特征在于， 所述方法还包括： 将故障信息发送给运维管理平台， 所述运维管理平台用于管理和维护所述信号灯， 所 述故障信息包括故障类型和故障相关信息。 10.根据权利要求1所述的方法， 其特征在于， 所述图像识别模型通过如下步骤确定： 从所述电子监控平台获取多个不同环。

9、境参数的样本图像， 并标注每张所述样本图像中 信号灯的特征信息， 其中每个所述样本图像中均包括信号灯的图像； 将经过标注的所述样本图像组成训练样本库； 根据深度学习算法生成图像识别模型， 并根据所述训练样本库， 训练所述图像识别模 型识别信号灯的所述特征信息。 11.一种信号灯故障检测系统， 其特征在于， 包括故障检测服务器和故障判定服务器， 其中， 所述故障检测服务器用于， 根据信号灯的标识信息， 实时从电子监控平台获取所述信号灯的监控视频； 每间隔第一预设时间从所述监控视频中提取一帧监控图像， 并通过预设的图像识别模 型识别所述监控图像中信号灯的特征信息； 所述故障判定服务器用于， 根据所。

10、述特征信息， 确定所述信号灯的故障类型。 权利要求书 2/2 页 3 CN 110782692 A 3 一种信号灯故障检测方法及系统 技术领域 0001 本申请涉及图像识别技术领域， 尤其涉及一种信号灯故障检测方法及系统。 背景技术 0002 在道路交通中， 交通信号灯对维护道路口的交通秩序、 保证行人及车辆的出行安 全起着非常重要的作用。 如果信号灯故障没有及时被发现， 将会出现由于信号灯维修不及 时而导致的交通混乱， 甚至出现交通事故。 0003 对于每一个道路口， 由于其各个岔路上的信号灯都是由同一个信号机进行控制 的， 因此， 目前常用的信号灯故障检测方法是检测信号机内， 各个信号灯的。

11、控制通道的电压 值， 如果该电压值不在预设的电压范围内， 则认为该控制通道所控制的信号灯可能熄灭了。 0004 然而， 上述方法只能够检测出信号灯是否熄灭， 却无法检测出信号灯被异物遮挡、 红绿灯同时亮起、 信号灯位置偏移、 红灯或绿灯长时间亮起等故障， 故障检测覆盖范围较 小。 此外， 该故障检测方法受限于信号灯施工不规范(如各个岔路口的信号灯采用一个控制 通道控制)等结构弊端， 检测准确率低。 因此， 亟待提供一种覆盖范围广、 检测精度高的信号 灯故障检测方法。 发明内容 0005 本申请提供了一种信号灯故障检测方法及系统， 用于解决现有技术中故障检测覆 盖范围较小、 检测准确率低的问题。。

12、 0006 第一方面， 本实施例提供一种信号灯故障检测方法， 应用于信号灯故障检测系统， 所述方法包括： 0007 根据信号灯的标识信息， 实时从电子监控平台获取所述信号灯的监控视频； 0008 每间隔第一预设时间从所述监控视频中提取一帧监控图像， 并通过预设的图像识 别模型识别所述监控图像中信号灯的特征信息； 0009 根据所述特征信息， 确定所述信号灯的故障类型。 0010 在第一方面的第一种实现方式中， 通过预设的图像识别模型识别所述监控图像中 信号灯的特征信息， 包括： 0011 根据所述信号灯的基准图像中预先标定的信号灯区域， 确定所述监控图像的识别 区域； 以及， 根据所述识别区域。

13、内的图像， 确定所述信号灯的特征信息。 0012 在第一方面的第二种实现方式中， 所述特征信息包括灯头颜色和灯盘的位置信 息， 所述根据所述特征信息， 确定所述信号灯的故障类型， 包括： 根据所述灯头颜色， 确定亮 灯故障； 或者， 根据所述灯盘的位置信息， 确定灯体偏移故障； 或者， 根据所述灯头颜色， 确 定灯时异常故障； 或者， 根据所述灯头颜色， 确定放行冲突故障。 0013 在第一方面的第三种实现方式中， 根据灯头颜色， 确定所述信号灯的亮灯故障， 具 体包括： 0014 在第二预设时间内， 若所述信号灯中各个子信号灯的灯头颜色同时出现红色和绿 说明书 1/8 页 4 CN 1107。

14、82692 A 4 色， 或者红色和黄色， 或者黄色和绿色， 或者红色、 绿色和黄色， 或者持续为黄色， 或者无法 识别灯头颜色， 则确定所述信号灯存在亮灯故障。 0015 在第一方面的第四种实现方式中， 根据灯盘的位置信息， 确定所述信号灯的灯体 偏移故障， 具体包括： 0016 将所述位置信息与所述信号灯在的基准图像中的基准位置进行比较， 若所述位置 信息与所述基准位置的差值超过预设的范围， 则确定所述信号灯存在灯体偏移故障。 0017 在第一方面的第五种实现方式中， 根据灯头颜色， 确定灯时异常故障， 具体包括： 0018 对于信号灯中的每一个子信号灯， 根据第三预设时间范围内的所述特征。

15、信息， 判 断所述第三预设时间范围内所述子信号灯是否存在绿灯时间段， 所述绿灯时间段包括： 左 开右开时间段、 左开右闭时间段、 左闭右开时间段和左闭右闭时间段； 0019 若第三预设时间范围内不存在所述绿灯时间段， 则确定所述子信号灯存在灯时异 常故障； 0020 若存在左闭右闭时间段， 且绿灯时长不在预设的时长下限和时长上限之间， 则确 定所述子信号灯存在灯时异常故障； 0021 若存在所述绿灯时间段中的非左闭右闭时间段， 则确定所述非左闭右闭时间段中 的绿灯时长， 若所述绿灯时长大于所述时长上限， 则确定所述子信号灯存在灯时异常故障； 0022 其中， 左开是指所述绿灯时间段的最小时刻是。

16、本次故障判断周期的初始时间点； 左闭是指所述最小时刻的前一帧监控图像的灯头颜色为非绿色； 右开是指所述绿灯时间段 的最大时刻是本次故障判断周期的结束时间点； 右闭是指所述最大时刻的下一帧监控图像 的灯头颜色为非绿色。 0023 在第一方面的第六种实现方式中， 根据灯头颜色， 确定放行冲突故障， 具体包括： 0024 确定第四预设时间范围内， 道路口各个岔路上的所述信号灯各个子信号灯的灯头 颜色； 若在所述第四预设时间范围内， 相邻的岔路上相同的子信号灯的灯头颜色相同， 则确 定所述信号灯存在放行冲突故障。 0025 在第一方面的第七种实现方式中， 根据信号灯的标识信息， 实时从电子监控平台 获。

17、取所述信号灯的监控视频， 包括： 0026 若所述信号灯存在预设的工作时间， 且当前时刻在所述工作时间范围内， 则根据 信号灯的标识信息， 实时从电子监控平台获取所述信号灯的监控视频。 0027 在第一方面的第八种实现方式中， 所述方法还包括： 将所述故障信息发送给运维 管理平台， 所述运维管理平台用于管理和维护所述信号灯， 所述故障信息包括故障类型和 故障相关信息。 0028 在第一方面的第九种实现方式中， 所述图像识别模型通过如下步骤确定： 0029 从所述电子监控平台获取多个不同环境参数的样本图像， 并标注每张所述样本图 像中信号灯的特征信息， 其中每个所述样本图像中均包括信号灯的图像；。

18、 0030 将经过标注的所述样本图像组成训练样本库； 0031 根据深度学习算法生成图像识别模型， 并根据所述训练样本库， 训练所述图像识 别模型识别信号灯的所述特征信息。 0032 第二方面， 本实施例提供一种信号灯故障检测系统， 包括故障检测服务器和故障 判定服务器， 其中， 说明书 2/8 页 5 CN 110782692 A 5 0033 所述故障检测服务器用于， 根据信号灯的标识信息， 实时从电子监控平台获取所 述信号灯的监控视频； 每间隔第一预设时间从所述监控视频中提取一帧监控图像， 并通过 预设的图像识别模型识别所述监控图像中信号灯的特征信息； 0034 所述故障判定服务器用于，。

19、 根据所述特征信息， 确定所述信号灯的故障类型。 0035 本申请提供的技术方案包括以下有益技术效果： 0036 本申请实施例提供的信号灯故障检测方法及系统， 利用图像识别技术， 对电子监 控平台采集的监控视频进行进一步处理， 确定信号灯的特征信息， 并根据特征信息判断信 号灯的故障类型。 该方法及系统不仅能够检测出信号灯的亮灯故障， 还能够检测出灯体偏 移故障、 灯时异常故障和放行冲突故障， 故障检测的覆盖范围大， 准确率高。 0037 此外， 本实施例提供的故障检测方法能够实时对信号灯进行故障检测， 及时发现 并上报故障， 以便维修人员及时维修故障信号灯， 避免维修不及时而引起的交通混乱，。

20、 甚至 交通事故。 附图说明 0038 为了更清楚地说明本申请的技术方案， 下面将对实施例中所需要使用的附图作简 单地介绍， 显而易见地， 对于本领域普通技术人员而言， 在不付出创造性劳动性的前提下， 还可以根据这些附图获得其他的附图。 0039 图1为本实施例示出的图像识别模型的确定方法流程图； 0040 图2为本实施例示出的信号灯故障检测方法的流程图； 0041 图3为本实施例示出的一帧监控图像； 0042 图4为本实施例示出的一张基准图像； 0043 图5为本实施例示出的信号灯故障检测系统的结构示意图； 0044 图6为本实施例示出的信号灯故障检测系统的应用场景示意图。 具体实施方式 0。

21、045 为使本申请示例性实施例的目的、 技术方案和优点更加清楚， 下面将结合本申请 示例性实施例中的附图， 对本申请示例性实施例中的技术方案进行清楚、 完整地描述， 显 然， 所描述的示例性实施例仅是本申请一部分实施例， 而不是全部的实施例。 0046 目前， 为了便于进行交通管理， 维护交通秩序， 大部分道路口(例如三岔路口、 十字 路口、 五岔路口等)的各个岔路上都设置有电子监控装置， 用于采集监控视频， 并且将监控 视频发送到电子监控平台， 进行统一管理。 其中， 电子监控装置所采集的监控视频中通常都 包括信号灯的图像， 以监控各个岔路口的车辆及行人在对应的信号灯指示下的运动情况。 00。

22、47 基于此， 本实施例提供一种信号灯故障检测方法及系统， 用于根据监控视频中信 号灯的图像， 实时检测道路口的信号灯工作状况。 0048 由于本实施例提供的信号灯故障检测方法和系统的运行均依赖于一个图像识别 模型， 以识别监控图像中信号灯的特征信息， 例如灯盘的位置信息、 灯盘类型、 灯头类型和 灯头颜色等。 因此， 本申请实施例首先对该图像识别模型进行详细的说明。 0049 请参阅图1， 本申请实施例提供的图像识别模型， 通过如下步骤S101-S103确定。 0050 步骤S101， 从电子监控平台获取多个不同环境参数的样本图像， 并标注每张样本 说明书 3/8 页 6 CN 110782。

23、692 A 6 图像中信号灯的特征信息， 其中每个样本图像中均包括信号灯的图像。 0051 示例性的， 可以从电子监控平台获取多个不同环境参数(如晴天、 雨天、 雾天、 早 上、 晚上等)的监控视频， 对其进行视频编解码、 图像去噪、 增强等预处理， 并从中提取一些 监控图像， 作为样本图像。 由于各个岔路口的信号灯可能有所不同， 例如信号灯灯盘的形状 可能是横装信号灯、 竖装信号灯， 信号灯的灯头可能是圆形、 箭头形等， 因此， 这些样本图像 中的信号灯存在多种样式。 0052 在确定样本图像之后， 可以人工在这些样本图像中标注标签， 其中包括标注样本 图像中信号灯的特征信息， 其中包括： 。

24、位置信息(如信号灯的像素点在整个监控图像中的位 置)、 灯盘类型(如横装信号灯、 竖装信号灯)、 灯头类型(如圆形灯、 箭头灯)、 灯头颜色(如 红、 绿、 黄)等信息。 0053 步骤S102， 将经过标注的样本图像组成训练样本库。 0054 步骤S103， 根据深度学习算法生成图像识别模型， 并根据训练样本库， 训练图像识 别模型识别信号灯的特征信息。 0055 示例性的， 可以采用空间正则化网络(Spatial Regularization Network， SRN)学 习样本图像的多标签间的关系。 由于信号灯的形状在国标中是有规定的， SRN只利用图像级 监督信息， 学习标签间的语义和。

25、空间关系， 达到识别信号灯的特征信息的目标。 0056 通过上述步骤S101-S103即可获得用于识别图像中信号灯的特征信息的图像识别 模型。 0057 请参阅图2， 本申请实施例提供一种信号灯故障检测方法， 该方法应用于信号灯故 障检测系统， 包括如下步骤S201-S205。 0058 步骤S201， 故障检测系统接收用户设备发送的故障检测指令， 该故障检测指令携 带信号灯的标识信息。 0059 本实施例提供的故障检测系统能够接入用户设备， 并根据用户设备的指令执行相 应操作。 示例性的， 用户设备上可以设置一个PC(personal computer， 个人计算机)客户端， PC客户端作为。

26、人机交互的工具， 能够根据用户指令控制计算机生成故障检测指令， 并将故 障检测指令发送给故障检测系统。 0060 故障检测指令携带信号灯的标识信息， 还可以携带待检测的故障类型， 该指令用 于指示故障检测系统根据该标识信息和故障检测类型， 执行相应的故障检测操作。 其中， 信 号灯的标识信息用于唯一指示信号灯， 可以为信号灯的编号、 名称、 地址等， 本实施例对此 不进行限制。 故障类型包括亮灯故障、 灯体偏移故障、 灯时异常故障和放行冲突故障中的至 少一种。 0061 其中， 需要说明的是， 在一个故障检测指令中， 信号灯的数量可以是一个， 也可以 是多个， 例如某条线路上的所有交通信号灯，。

27、 某个区域内的所有交通信号灯等。 0062 步骤S202， 故障检测系统根据故障检测指令， 实时从电子监控平台获取信号灯的 监控视频。 0063 由于电子监控平台存储有不同电子监控装置拍摄的监控视频， 并且每个监控视频 中通常都包括一个特定岔路的信号灯的图像， 所以， 监控视频和信号灯之间存在一一对应 关系。 因此， 故障检测系统可以根据信号灯的标识信息， 以及监控视频和信号灯的对应关 系， 实时从电子监控平台中获取信号灯的监控视频。 说明书 4/8 页 7 CN 110782692 A 7 0064 目前， 大部分的信号灯都是24小时持续工作的， 但仍有少部分的信号灯只在预设 的工作时间内工。

28、作， 例如， 学校门口的信号灯可能只在学生上学及放学的人流量高峰期工 作， 例如7:30am-7:45am、 12:00pm-12:15pm、 13:50pm-14:00pm、 17:30pm-17:40pm等时间段。 因此， 作为一种可选的实施方式， 故障检测系统在获取信号灯的监控视频时， 可以先判断该 信号灯是否预先设置有工作时间， 若当前时刻在预设的工作时间范围内， 则从电子监控平 台获取对应信号灯的监控视频。 0065 步骤S203， 故障检测系统每间隔第一预设时间从监控视频中提取一帧监控图像， 并通过预设的图像识别模型识别监控图像中信号灯的特征信息。 0066 目前， 控制车辆通行的。

29、信号灯(例如图3中的信号灯)通常设置有三个子信号灯， 其 中包括左转信号灯、 直行信号灯和右转信号灯。 每一个子信号灯上设置有红灯、 黄灯和绿 灯。 由于监控视频中包括多帧监控图像， 因此， 故障检测系统每间隔第一预设时间(如0.5S、 1S、 2S等)从监控视频中提取一帧监控图像， 并通过预设的图像识别模型识别监控图像中信 号灯的特征信息， 其中包括每一个子信号灯的灯头颜色。 0067 通过预设的图像识别模型， 能够对监控图像进行像素级别的分割， 精准确定信号 灯的位置， 再针对定位到的信号灯的位置进行特征提取， 通过目标部分特征的对比确认是 否为同一目标， 完成目标检测。 0068 以图4。

30、示例性示出的监控图像为例， 在该监控图像中， 从左至右的子信号灯依次为 左转信号灯、 直行信号灯和右转信号灯。 并且左转信号灯的绿灯亮， 直行信号灯的绿灯亮， 右转信号灯的红灯亮。 通过图像识别模型可以确定该监控图像中信号灯的位置信息为(x， y)， 其中xx1， x2， yy1， y2。 左转信号灯的灯盘类型为纵向安装型； 灯头的类型为箭头 形， 灯头的颜色为绿色。 直行信号灯的灯盘类型为纵向安装型， 灯头的类型为箭头形， 灯头 的颜色为绿色。 右转信号灯的灯盘类型为纵向安装型， 灯头的类型为箭头形， 灯头的颜色为 红色。 0069 作为一种可选的实施方式， 每一个信号灯都有一个预先设置的基。

31、准图像， 并且， 每 一个基准图像中都预先标注了信号灯区域。 例如图4所示的基准图像， 黑色框线框选的区域 即为预先标注的信号灯区域。 这些基准图像存储于故障检测系统的基准图像库中， 以便在 图像识别的过程中被故障检测系统调用。 0070 图像识别模型在识别监控图像中信号灯的特征信息时， 可以将信号灯的基准图像 中预先标注的信号灯区域， 确定为该监控图像的识别区域， 并对该识别区域内的图像进行 识别， 确定该监控图像中信号灯的特征信息， 以提高图像的识别效率。 若根据识别区域无法 确定信号灯的特征信息， 则对整个监控图像进行识别。 0071 需要说明的是， 基准图像与监控图像具有相同的拍摄条件。

32、， 其中包括相同的电子 监控装置和相同的拍摄角度。 基准图像与监控图像的不同之处在于， 监控图像可能是在不 同的天气或时间下拍摄的， 如雨天、 雾天、 夜晚等， 其画面可能存在不清楚的情况， 而基准图 像是在视线良好的条件下拍摄的， 画面清晰。 0072 步骤S204， 故障检测系统根据特征信息， 确定信号灯的故障类型。 0073 本实施例提供的故障检测方法能够根据特征信息确定亮灯故障、 灯体偏移故障、 灯时异常故障和放行冲突故障等不同类型的故障。 其中， 不同故障类型的确定所使用的特 征信息可能不同， 下面将对不同类型故障的确定过程进行具体的说明。 说明书 5/8 页 8 CN 110782。

33、692 A 8 0074 (1)亮灯故障的确定 0075 故障检测系统根据特征信息中的灯头颜色， 确定信号灯的亮灯故障。 具体地， 在第 二预设时间内(如5S)， 若监控图像中任意一个子信号灯(例如图3所示的左转信号灯、 直行 信号灯或右转信号灯)的灯头颜色同时出现红色和绿色， 或者红色和黄色， 或者黄色和绿 色， 或者红色、 绿色和黄色， 或者持续为黄色(即黄灯的亮灯时间超过预设黄灯时常， 如3S)， 或者无法识别灯头颜色， 则确定信号灯存在亮灯故障。 其中， 无法识别灯头颜色可以进一步 说明信号灯存在熄灭、 遮挡或者偏移故障。 0076 (2)灯体偏移故障的确定 0077 故障检测系统根据。

34、特征信息中灯盘的位置信息， 确定信号灯的灯体偏移故障。 0078 具体地， 将信号灯在监控图像中的位置信息(x， y)， 与信号灯在基准图像中的基准 位置(m， n)进行比较， 其中mm1， m2， nn1， n2。 若位置信息与基准位置的差值超过预设 的范围， 例如|x1-m1|h， 或者|y1-n1|h， 则确定信号灯存在灯体偏移故障。 0079 (3)灯时异常故障的确定 0080 故障检测系统根据特征信息中的灯头颜色， 确定灯时异常故障。 0081 在故障确定的过程中， 不同子信号灯， 例如左转信号灯、 直行信号灯和右转信号灯 预先配置有对应的时长上限和时长下限。 在信号灯的一个灯时周期。

35、中， 每一个子信号灯都 至少包括一个绿灯灯时和红灯灯时， 可能还包括一个黄灯灯时。 本实施例通过确定各个子 信号灯的绿灯灯时是否存在异常情况， 来确定被监测的信号灯是否存在灯时异常故障。 0082 由于故障检测系统每间隔第一预设时间便会提取一帧监控图像， 识别监控图像中 信号灯的特征信息， 并将这些特征信息以消息队列的形式进行存储。 当故障检测系统进行 灯时异常故障判断时， 能够获取到第三预设时间范围内(例如3min、 5min等)该信号灯的所 有特征信息， 并以该第三预设时间范围作为一个故障检测周期， 根据这些特征信息来判断 信号灯是否存在灯时异常故障。 0083 在进行灯时异常故障判定的过。

36、程中， 对于每一个子信号灯， 首先， 根据故障检测周 期内的灯头颜色， 判断故障检测周期内是否存在绿灯时间段。 其中， 绿灯时间段是指灯头颜 色均为绿色的时间段， 包括： 左开右开时间段、 左开右闭时间段、 左闭右开时间段和左闭右 闭时间段。 其中， 在本实施例中， 绿灯时间段的最小时刻处称为左端， 绿灯时间段的最大时 刻处称为右端。 左开是指左端是本次故障判断周期的初始时间点。 左闭是指左端的前一帧 监控图像的灯头颜色为非绿色(如红色或者黄色)。 右开是指右端是本次故障判断周期的结 束时间点。 右闭是指右端的下一帧监控图像的灯头颜色为非绿色(如红色或者黄色)。 0084 其次， 若故障检测周。

37、期内不存在绿灯时间段， 则确定该信号灯存在灯时异常故障。 以故障检测周期是3min为例， 若在3min之内不存在绿灯时间段， 则说明子信号灯的绿灯在 该时间段内一直处理熄灭状态， 信号灯存在灯时异常故障。 0085 在绿灯时间段中， 只有左闭右闭时间段为一个完整的绿灯时间段， 其余均为不完 整的绿灯时间段。 0086 若故障检测周期内存在左闭右闭时间段， 且该绿灯时间段的时长不在时长下限和 时长上限之间， 则确定该子信号灯存在灯时异常故障。 0087 若存在绿灯时间段中的非左闭右闭时间段(即左开右开时间段、 左开右闭时间段 或左闭右开时间段)， 且该非左闭右闭时间段中的绿灯时长大于时长上限， 。

38、则确定该子信号 说明书 6/8 页 9 CN 110782692 A 9 灯存在灯时异常故障。 由于非左闭右闭时间段中的绿灯时间可能不是一个完整的绿灯时间 段， 因此， 当其绿灯时长小于时长下限时， 则不能判断其是否存在灯时异常故障。 0088 其中， 需要说明的是， 由于不同的道路口车流量的不同， 不同的道路口的信号灯的 绿灯时长存在一定差异， 因此， 不同道路口相同的子信号灯对应的绿灯的时长下限和时长 上限可能不同， 具体根据故障检测系统中预先的配置确定， 本实施对此不进行限制。 0089 (4)放行冲突故障的确定 0090 故障检测系统根据特征信息中的灯头颜色， 确定放行冲突故障。 00。

39、91 放行冲突故障包括直直冲突、 直左冲突和左左冲突。 直直冲突是指道路口相邻岔 路上的两个直行信号灯均亮绿灯； 直左冲突是指道路口相邻的岔路上的直行信号灯和左转 信号灯均亮绿灯； 左左冲突是指道路口相邻岔路上的两个左转信号灯均亮绿灯。 0092 具体地， 故障检测系统在进行放行冲突故障检测的过程中， 首先会判断被检测的 道路口是否每个岔路上都设置有电子监控装置。 若有， 则在步骤S202-S203中分别获取该道 路口的每一个岔路上的监控视频， 并分别确定每一个监控视频中信号灯的特征信息， 并以 第四预设时间范围(例如5S、 10S等)作为一个放行冲突检测周期。 0093 具体地， 故障检测系。

40、统在确定第四预设时间范围内每个岔路上的特征信息后， 根 据特征信息中的灯头颜色， 确定信号灯是否存在放行冲突故障。 在一个示例中， 若在第四预 设时间范围内， 相邻的两个岔路上相同的子信号灯的灯头颜色相同， 则确定所述信号灯存 在放行冲突故障。 例如， 相邻的两个岔路的左转信号灯均为绿色时， 则信号灯存在放行冲突 故障。 0094 步骤S205， 故障检测系统将信号灯的故障信息发送给用户设备， 该故障信息包括 故障类型。 0095 在本实施例中， 故障信息包括故障类型和故障相关信息。 其中， 故障相关信息可以 包括检测任务说明、 故障照片、 故障编码、 故障所在路口、 故障信号灯对应的电子监控。

41、装置、 故障对应的监控视频的拍摄时间等。 0096 故障检测系统在确定故障信息之后， 将其发送给用户设备， 并将其存储于本地数 据库中， 例如本地FTP(File Transfer Protocol， 文件传输协议)服务器中。 0097 用户设备在接收到故障信息之后， 可以将故障信息显示在GIS(Geographic Information System， 地理信息系统)地图， 和/或， 故障列表中， 以便用户查看。 同时， 用户 在对故障信息进行查验之后， 可以通过用户设备的PC客户端， 向故障检测系统发送故障信 号灯的停止检测指令。 0098 作为一种可选的实施方式， 故障检测系统还能够将。

42、故障信息发送给运维管理平 台， 该运维管理平台用于管理和维护所述信号灯， 以便运维管理人员及时维修故障信号灯。 0099 此外， 用户设备还能够通过PC客户端向运维管理平台发送信号灯的故障误报消 息， 或者， 进行一键保障操作， 将故障信息发送给运维管理平台。 0100 本申请实施例提供的信号灯故障检测方法， 利用图像识别技术， 对电子监控平台 采集的监控视频进行进一步处理， 确定信号灯的特征信息， 并根据特征信息判断信号灯的 故障类型。 该方法不仅能够检测出信号灯的亮灯故障， 还能够检测出灯体偏移故障、 灯时异 常故障和放行冲突故障， 故障检测的覆盖范围大， 准确率高。 0101 此外， 本。

43、实施例提供的故障检测方法能够实时对信号灯进行故障检测， 及时发现 说明书 7/8 页 10 CN 110782692 A 10 并上报故障， 以便维修人员及时维修故障信号灯， 避免维修不及时而引起的交通混乱， 甚至 交通事故。 0102 请参阅图5， 本实施例示例性示出的信号灯故障检测系统的结构示意图； 以及， 图6 示例性示出的故障检测系统的应用场景示意图。 0103 本实施例提供的信号灯故障检测系统， 用于执行上述本实施例提供的信号灯故障 检测方法， 包括故障检测服务器和故障判定服务器。 其中， 故障检测服务器用于执行上述步 骤S201-S203， 故障判定服务器用于执行上述步骤S204-。

44、S205。 0104 本申请实施例提供的信号灯故障检测系统， 能够检测出信号灯的亮灯故障， 还能 够检测出灯体偏移故障、 灯时异常故障和放行冲突故障， 故障检测的覆盖范围大， 准确率 高。 并且， 该系统能够实时对信号灯进行故障检测， 及时发现并上报故障， 以便维修人员及 时维修故障信号灯， 避免维修不及时而引起的交通混乱， 甚至交通事故。 0105 基于本申请中示出的示例性实施例， 本领域普通技术人员在没有作出创造性劳动 前提下所获得的所有其他实施例， 都属于本申请保护的范围。 此外， 虽然本申请中公开内容 按照示范性一个或几个实例来介绍， 但应理解， 可以就这些公开内容的各个方面也可以单 。

45、独构成一个完整技术方案。 0106 应当理解， 本申请中说明书和权利要求书及上述附图中的术语 第一 、 第二 、 第三 等是用于区别类似的对象， 而不必用于描述特定的顺序或先后次序。 应该理解这样使 用的数据在适当情况下可以互换， 例如能够根据本申请实施例图示或描述中给出那些以外 的顺序实施。 0107 此外， 术语 包括 和 具有 以及他们的任何变形， 意图在于覆盖但不排他的包含， 例如， 包含了一系列组件的产品或设备不必限于清楚地列出的那些组件， 而是可包括没有 清楚地列出的或对于这些产品或设备固有的其它组件。 0108 最后应说明的是： 以上各实施例仅用以说明本申请的技术方案， 而非对其限制； 尽 管参照前述各实施例对本申请进行了详细的说明， 本领域的普通技术人员应当理解： 其依 然可以对前述各实施例所记载的技术方案进行修改， 或者对其中部分或者全部技术特征进 行等同替换； 而这些修改或者替换， 并不使相应技术方案的本质脱离本申请各实施例技术 方案的范围。 说明书 8/8 页 11 CN 110782692 A 11 图1 图2 说明书附图 1/3 页 12 CN 110782692 A 12 图3 图4 说明书附图 2/3 页 13 CN 110782692 A 13 图5 图6 说明书附图 3/3 页 14 CN 110782692 A 14 。